第七章 时间序列可视化课堂练习
1 案例数据
1.1 all_stock_2024：工商银行、招商应用、中信证券和贵州茅台四个股票2024各天交易数据
data为为日期变量，但该日期变量不规则（不连续），周末和公众假期没有交易数据；编码和名称用于识别不同股票，注意不同股票有交易数据日期不一定一致，但本例种各股票均有242个交易日数据；开盘价到换手率均为数值变量，开盘价到成交量与每股资产有关，不同股票间不可比；交易量的单位为手（百股）、成交额的单位为元，振幅等四个变量均为相对指标。
2 折线图和面积图
2.1 合并折线图
将四只股票的
涨跌幅做作折线图，将四条折线在同一个图形输出；日期截取
2024-9-1到2024-10-31；添加一条纵轴为0的参考线，采用
twodash的线型；将图标题改为“合并涨跌幅折线图”。
2.2 分面折线图
将四只股票的
收盘价格做作折线图，将四条折线图分面输出；日期截取一整年；
并使用
ggpol::geom_tshighlight将2024-9-1到2024-10-31时间段高亮显示
2.3 面积图
将四只股票的
收盘价格做作面积图，将四个面积图分面输出；将成交量的单位改为万手
2.4 图形观察和代码编写的心得体会
- 这段代码使用ggplot2绘制了多个金融产品成交量的分面面积图，通过筛选数据、设置美学映射和叠加geom_area()图层清晰展示了各产品成交量随时间的变化趋势。在图形优化上，代码通过调整主题元素（如旋转x轴标签、移除图例和次要网格线）、设置比例尺（按月显示日期标签、y轴以”万手”为单位）以及分面展示（自由刻度）显著提升了可读性。尽管存在少量拼写错误，但整体展现了ggplot2分层定制化的核心思想——从数据映射到几何对象，再通过主题和分面精细化控制，最终实现专业且信息丰富的可视化效果。这种”从整体到细节”的编码逻辑，配合对图形元素的系统性调整，是高效绘制科研级图表的关键。
3 流线图和地平线图
3.1 流线图
将四只股票的
交易额做作流线图，将四个面积图分面输出；将交易额的单位改为亿元
3.2 地平线图
- 采用
ggHoriPlot::geom_horizon函数，对四只股票的交易额做作地平线图 - 设置原点为均值
origin='mean'，输出配色图例
3.3 图形观察和代码编写的心得体会
- 这两段代码分别使用地平线图（gghorizon）和流线图（ggstream）对金融成交额数据进行可视化呈现：地平线图通过10级色带和均值基准线清晰展示各产品的波动幅度，配合垂直分面和RdYlBu渐变色实现多维度比较；流线图则通过流畅的波段造型和亿元单位转换，直观反映成交额的时间动态与占比变化。二者均体现出专业可视化包的应用价值——通过合理设置分面结构（facet_grid/facet_wrap）、优化坐标轴（scale_x_date）和精选主题（theme_few）来增强图表表现力，同时代码中暴露的拼写错误（如acs/aes）也警示我们需注重编码严谨性。这种根据数据特征（离散比较/连续流动）选择对应图表类型，并通过系统性的美学调整来平衡信息密度与可读性的思路，正是金融数据可视化的核心方法论。
4 不规则时间序列图
4.1 数据准备
通过
zoo::rollmean时间收盘价的5天、10天和20天的移动平均将日期变量转化为
id变量
4.2 平滑曲线图
将四只股票收盘价和3种移动平均的折线图分面输出；
横轴的每隔30天一个刻度，只显示月/日；
4.3 K线图
选择工商银行数据作出，2024年的K线图
scale_x_continuous将横轴坐标刻度转化回日期型
4.4 图形观察和代码编写的心得体会
- 这段代码展示了两种金融数据可视化方法：第一段代码通过数据转换（gather）将收盘价和移动平均线整合后绘制多指标折线图，利用分面（facet_wrap）展示不同股票的表现，并优化x轴刻度显示；第二段代码则专门针对工商银行绘制专业K线图，通过geom_segment绘制最高最低价线、geom_rect绘制红绿K线实体（收盘>开盘为红色），并叠加MA5/MA10/MA20三条移动平均线，配合精心设置的配色方案和精简的主题，完整呈现了K线图的核心要素。两种方法各具特色——折线图适合多股多指标趋势比较，而K线图则更专业地展示单只股票的价格波动特征，共同体现了ggplot2通过图层叠加实现复杂金融图表的能力，同时也反映出数据预处理（如gather转换）和视觉编码（如颜色映射）在金融可视化中的关键作用。